DESEMPENHO DE MODELOS DE INTELIGÊNCIA ARTIFICIAL NA ELABORAÇÃO DE ROTEIROS DE ESTUDO SOBRE DETERMINANTES SOCIAIS DA SAÚDE NA ATENÇÃO PRIMÁRIA À SAÚDE

Apresentação/Introdução A inteligência artificial (IA) vem sendo avaliada como ferramenta de apoio à aprendizagem. Segundo Durso (2025), essa tecnologia favorece o acesso, a equidade e o protagonismo discente. Comparar o desempenho desses modelos em temas como Determinantes Sociais da Saúde (DSS) na Atenção Primária à Saúde (APS) é fundamental para compreender suas potencialidades e limites na educação em saúde coletiva. Objetivos Comparar qualitativamente os roteiros de estudo produzidos por diferentes Modelos de Linguagem de Grande Escala (LLMs) sobre Determinantes Sociais da Saúde na APS, analisando sua clareza, acessibilidade, atualização e potencial na autonomia discente. Metodologia Realizou-se pesquisa qualitativa exploratória, submetendo um prompt padronizado sobre Determinantes Sociais da Saúde na APS a quatro modelos de linguagem de grande escala acessíveis (ChatGPT-4o, Gemini 2.0 flash, Claude Sonnet 4 e DeepSeek-V3), configurados em interface de programação com temperatura igual a zero para assegurar respostas determinísticas. Os roteiros de estudo produzidos foram analisados de forma comparativa e descritiva quanto à clareza, atualização, aplicabilidade e potencial de apoio à autonomia discente. A análise privilegiou a descrição das principais convergências, diferenças e limitações qualitativas observadas entre os modelos. Resultados Os roteiros produzidos pelos modelos abordam com clareza os determinantes sociais da saúde na APS, apresentando objetivos, conteúdos, metodologias, atividades práticas e sugestões de materiais de apoio. O ChatGPT-4o destacou-se pela organização didática e foco prático no contexto do SUS. O Claude Sonnet 4 apresentou roteiro mais detalhado, segmentado em módulos, com atividades individuais, em grupo e de campo, detalhando avaliação e inclusão. O Gemini Flash demonstrou atualização conceitual, valorizou justiça social, análise de dados e práticas colaborativas. O DeepSeek-V3 apresentou roteiro objetivo, com exemplos, linguagem acessível e sugestões adaptadas à realidade local. Conclusões/Considerações A IA, através dos LLMs demonstrou potencial para apoiar a construção de roteiros de estudo acessíveis e personalizados para discentes em Saúde Coletiva. Especificamente para os DSS, promoveu clareza, organização e atualização conceitual. Diferenças de profundidade, contextualização e abordagem sugerem que o uso dessas ferramentas deve ser acompanhado de curadoria docente, visando adequação ao perfil discente e à realidade local.